مدل‌هاي تصميم براي ارزيابي و انتخاب تأمين كنندگان در حضور داده‌هاي اصلي و ترتيبي، محدوديت‌هاي وزني و عوامل غيرقابل كنترل: يك رويكرد مبتني بر DEA با مرز دوگانه

Decision models for evaluation and selection of suppliers in the presence of cardinal and ordinal data, weight restrictions, and non-discretionary factors: An approach based on DEA with double frontiers

انتخاب تأمين كننده‌ي مناسب براي برون‌سپاري اكنون يكي از مهم‌ترين تصميمات بخش خريد است. اين تصميمات بخش مهمي از مديريت توليد و تداركات براي بسياري از بنگاه‌ها هستند. بعلاوه، تأمين كنندگان را مي‌توان به صورت نسبي از ديدگاه‌هاي خوشبينانه و بدبينانه ارزيابي و انتخاب كرد. روش تحليل پوششي داده‌ها براي اندازه‌گيري كارايي سيستم‌هاي توليدي به كار مي‌رود كه ورودي‌هاي متعددي را مصرف مي‌كنند و خروجي‌هاي متعددي را توليد مي‌نمايند. در شرايط نرمال، مطلوب اين است كه ورودي‌هاي كمتري مصرف شوند و خروجي‌هاي بيشتري توليد شوند، زيرا اين كار منجر به كارايي بالاتري مي‌شود. اين مقاله يك رويكرد جديد «تحليل پوششي داده‌ها با مرز دوگانه» را براي ارزيابي و انتخاب تأمين كنندگان پيشنهاد مي‌كند. رويكرد تحليل پوششي داده‌ها با مرز دوگانه، مي‌تواند بهترين تأمين كننده را در حضور محدوديت‌هاي وزني، عوامل غيرقابل كنترل، و داده‌هاي اصلي و ترتيبي شناسايي كند. در اين رويكرد، پيشنهاد مي‌شود كه هر دو كارايي خوشبينانه و بدبينانه نسبي را در قالب يك كارايي ميانگين هندسي ادغام كنيم. كارايي ميانگين هندسي نشان دهنده‌ي عملكرد كلي هر تأمين كننده مي‌باشد. مشاهده مي‌شود كه كارايي ميانگين هندسي قدرت افتراق بيشتري نسبت به هر كدام از دو كارايي خوشبينانه و بدبينانه دارد. يك مثال عددي كاربرد روش پيشنهادي را نشان مي‌دهد.

Selection of suppliers for outsourcing is now one of the most important decisions of the purchasing department. These decisions constitute an important part of the production and logistics management in many firms. On the other hand, suppliers can be evaluated and selected from optimistic and pessimistic perspectives. There is an argument that both points of view must be considered simultaneously, and any approach that considers only one perspective is biased. This paper proposes a new “data envelopment analysis (DEA) with double frontiers” approach for evaluation and selection of suppliers. The DEA with double frontiers approach can identify the best supplier in the presence of weight restrictions, non-discretionary factors, and cardinal and ordinal data. This paper proposes to integrate both efficiencies in the form of a geometric mean efficiency that measures the overall performance of each supplier. It is shown that geometric mean efficiency has more discriminative power than any of the optimistic and pessimistic efficiencies. A numerical example illustrates the application of the proposed method.